Skip to Main content Skip to Navigation
Conference papers

Régression linéaire généralisée sur composantes supervisées pour les modèlesà facteurs latents

Résumé : A l'origine, la Régression Linéaire Généralisée sur Composantes Supervisées (SCGLR) aété conçue pour trouver des composantes explicatives conjointement supervisées par un ensemble de réponses au sein de très nombreuses covariables redondantes, ce qui est nécessaire dans un contexte de grande dimension. Dans ce travail, nous proposons d'étendre la méthode SCGLR dans l'objectif de modéliser la matrice de variance-covariance des réponses de telle sorte que la corrélation entre ces réponses soit principalement expliquée par quelques facteurs. Nous cherchonsà identifier des blocs dans la matrice de variance-covariance pour les réponses partageant des dépendances mutuelles. Dans un cadreécologique par exemple, nous nous intéressons aux relations statistiques entre les présences de différentes espèces. Un algorithme basé sur EM est proposé afin d'estimer le modèle.
Document type :
Conference papers
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03216210
Contributor : Julien Gibaud <>
Submitted on : Monday, May 3, 2021 - 7:30:54 PM
Last modification on : Thursday, June 10, 2021 - 5:11:17 PM

File

soumission_sfds_2021_Gibaud_Ju...
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03216210, version 1

Citation

Julien Gibaud, Xavier Bry, Catherine Trottier. Régression linéaire généralisée sur composantes supervisées pour les modèlesà facteurs latents. 52èmes Journées de Statistique de la Société Française de Statistique, Jun 2021, Nice (en ligne), France. ⟨hal-03216210⟩

Share

Metrics

Record views

29

Files downloads

12